Pika-H3-Flex 本地部署实操：AI 漫剧多人角色同步迁移 + 视频续写，8G 显存流畅跑

pika-h3-flex/
├── infer.py               # 推理主脚本
├── model_config.yaml      # 显存、角色、生成参数配置
├── models/
│   └── pika-h3-flex/      # 模型权重存放目录
├── ref_char/              # 角色参考图目录，一个角色一张高清正面图
│   ├── char_01.jpg
│   ├── char_02.jpg
│   └── char_03.jpg
├── script_prompt.txt      # AI漫剧分镜提示词文本
├── video_output/          # 生成分段视频输出目录
├── concat.txt             # FFmpeg拼接列表文件
└── audio/                 # AI配音音频目录

# Pika-H3-Flex 本地推理配置，AI漫剧9:16竖屏专属
model:
  model_path: "./models/pika-h3-flex"
  gguf_quant: q5_k_m          # 8G卡优先q4_K_M，12G以上可用q5_K_M
  device: cuda
  enable_cpu_offload: true    # 开启显存分层调度，显存不足自动卸载权重到内存
  offload_disk: false         # 固态足够慢才开启磁盘offload，速度会明显下降
  max_seq_len: 1024
  weight_split: true          # 权重分片加载，降低峰值显存占用
video:
  resolution: [576, 1024]     # 576×1024，标准9:16竖屏漫剧分辨率
  fps: 8
  max_frames: 48              # 8G卡建议不超过48帧，减少OOM概率
character:
  multi_character_sync: true  # 开启多人同步角色迁移
  ref_image_weight: 0.75      # 参考图角色特征权重，越高越保人脸
  ref_video_weight: 0.65      # 参考视频动作时序权重，越高动作连贯性越强
  face_refine: true           # 开启人脸细化，减少五官崩坏
inference:
  seed: auto
  guidance_scale: 7.0
  negative_prompt: "扭曲、变形、多手指、人脸崩坏、闪烁、串脸、模糊、低画质、畸形肢体、水印、文字"

import os
import yaml
import subprocess
from pathlib import Path
# 加载配置文件
with open("model_config.yaml", "r", encoding="utf-8") as f:
    cfg = yaml.safe_load(f)
# 路径定义
REF_CHAR_DIR = Path("./ref_char")
SCRIPT_TXT = Path("./script_prompt.txt")
OUT_DIR = Path("./video_output")
OUT_DIR.mkdir(exist_ok=True)
def run_pika_infer(ref_img_path, prompt, last_video_path=None):
    """
    ref_img_path：角色参考图路径
    prompt：当前分镜正向提示词
    last_video_path：上一段视频路径，传入则开启视频续写；None=全新生成
    """
    res = cfg["video"]["resolution"]
    cmd = [
        "python", "infer.py",
        "--model", cfg["model"]["model_path"],
        "--ref-image", str(ref_img_path),
        "--prompt", prompt,
        "--neg-prompt", cfg["inference"]["negative_prompt"],
        "--res", f"{res[0]}:{res[1]}",
        "--fps", str(cfg["video"]["fps"]),
        "--gguf", cfg["model"]["gguf_quant"],
        "--guidance", str(cfg["inference"]["guidance_scale"]),
        "--out", str(OUT_DIR)
    ]
    # 续写分支：传入上一段视频作为时序参考
    if last_video_path and os.path.exists(last_video_path):
        cmd.extend(["--ref-video", str(last_video_path)])
    print(f"===== 开始生成：{prompt} =====")
    subprocess.run(cmd, check=True)
    return sorted(OUT_DIR.glob("*.mp4"))[-1]
if __name__ == "__main__":
    # 读取分镜提示词，过滤空行
    prompt_list = [
        line.strip()
        for line in SCRIPT_TXT.read_text(encoding="utf-8").splitlines()
        if line.strip()
    ]
    ref_img_list = list(REF_CHAR_DIR.glob("*.jpg"))
    if len(ref_img_list) == 0:
        raise Exception("ref_char目录下没有角色参考图！")
    last_segment = None
    # 循环生成，自动承接上一段视频续写
    for index, prompt in enumerate(prompt_list):
        current_ref = ref_img_list[index % len(ref_img_list)]
        last_segment = run_pika_infer(current_ref, prompt, last_segment)
        print(f"片段 {index} 生成完成，输出路径：{last_segment}")

# 1. 构建concat.txt，写入所有分段视频
# concat.txt内容示例
# file 'video_output/out_0.mp4'
# file 'video_output/out_1.mp4'
# file 'video_output/out_2.mp4'
# 2. 无损流拼接（不重新编码，速度最快）
ffmpeg -f concat -safe 0 -i concat.txt -c copy raw_full.mp4
# 3. 混入AI配音音频，调节配音音量
ffmpeg -i raw_full.mp4 -i audio/dub.wav -c:v copy -c:a aac -b:a 128k -filter:a "volume=0.8" full_audio.mp4
# 4. 烧入SRT字幕，适配竖屏漫剧，调整字体大小、颜色
ffmpeg -i full_audio.mp4 -vf "subtitles=subtitle.srt:force_style='Fontsize=26,PrimaryColour=&HFFFFFF&,OutlineColour=&H000000&,Outline=2'" -c:a copy final_episode.mp4
# 5. 压缩码率，适配短视频平台上传，控制文件大小
ffmpeg -i final_episode.mp4 -c:v libx264 -crf 24 -preset medium -c:a aac output_platform.mp4